Mapas conceituais como ferramenta de avaliação na sala de aula.

(1)

Mapas conceituais como ferramenta de avalia¸c˜

ao na sala de aula

∗

(Concept maps as a tool for evaluation in classroom)

Paulo Rog´

erio Miranda Correia

1

, Amanda Cristina da Silva

1,2

_{e Jerson Geraldo Romano Junior}

2

1

Escola de Artes, Ciências e Humanidades, Universidade de São Paulo, São Paulo, SP, Brasil 2

Programa de Pós-Gradua¸cão Interunidades em Ensino de Ciências, Universidade de São Paulo, São Paulo, SP, Brasil

Recebido em 20/11/2009; Aceito em 29/4/2010; Publicado em 28/2/2011

A utiliza¸cão dos mapas conceituais (MCs) como ferramenta de avalia¸cão da aprendizagem foi explorada na disciplina Ciências da Natureza, oferecida aos alunos ingressantes da Escola de Artes, Ciências e Humanidades (EACH). Devido à riqueza e à diversidade das estruturas proposicionais elaboradas pelos alunos, o desafio de corrigir MCs é mais complexo do que a corre¸cão de testes de múltipla escolha ou de questões dissertativas. Um procedimento comparativo envolvendo o professor (P), três especialistas em mapeamento conceitual (E) e os alunos (A) foi utilizado para avaliar MCs (n = 109). A pergunta focal dos MCs explorou as rela¸cões conceituais entre as observa¸cões astronômicas do século XVI, o nascimento da ciência moderna e a amplia¸cão da nossa compreensão sobre o universo. Gráficos de correla¸cão foram elaborados para comparar as avalia¸cões (PxE, PxA e ExA). Os resultados obtidos confirmaram a complexidade do processo de avalia¸cão dos MCs, impondo uma mudan¸ca nos procedimentos usualmente adotados na sala de aula. A possibilidade dos alunos serem inclu´ıdos no processo avaliativo é confirmada pela correla¸cão verificada entre as avalia¸cões feitas pelo professor e pelos alunos.

Palavras-chave: avalia¸c˜ao da aprendizagem, aprendizagem significativa, ensino superior, mapas conceituais, revis˜ao por pares.

The use of concept maps (CMs) as an evaluation tool of students’ learning was explored during the Natural Science course assigned to all 1st

-year higher education students at School of Arts, Sciences and Humanities (University of S˜ao Paulo). The richness and diversity of propositional networks produced by the students made the assessment task more complex than the evaluation of multiple-choice tests or open questions. A procedure for comparing the evaluation made by the professor (P), three experts in CMs (E) and the students (S) was used to appraise a set of CMs (n = 109). CMs’ focal question explored the conceptual relationships among astronomic observations made during the 16th

century, the birth of modern science and, the increase of our understanding about the universe. Correlation graphs were plotted to compare these evaluations in pairs (PxE, PxS and ExS). The results confirmed the complexity of the MCs evaluation, which asks for changing the procedures frequently used in the classroom. The possibility of including the students in the evaluation process is confirmed by the correlation found between the assessments made by them and the professor.

Keywords: concept maps, learning evaluation, higher education, meaningful learning, peer review.

1. Introdu¸

c˜

ao

O mapeamento conceitual é uma técnica bem estabe-lecida que permite a representa¸cão gráfica de conheci-mento e informa¸cão. Apesar de sua utiliza¸cão ocorrer principalmente no âmbito educacional, os mapas con-ceituais (MCs) já come¸cam a ser explorados nas cor-pora¸cões, visto que o aprendizado é uma atividade que deve se prolongar por toda a vida [1-3]. Os MCs são frequentemente utilizados para identificar os conheci-mentos prévios dos alunos, para acompanhar o processo

de mudan¸ca conceitual ao longo da instru¸cão, para veri-ficar a organiza¸cão dos conceitos numa disciplina e para avaliar grades curriculares [4-12]. Além disso, os MCs podem ajudar no processo de arquivamento e compar-tilhamento de informa¸cões obtidas a partir de especia-listas, bem como mediar processos colaborativos esti-mulando a intera¸cão social por meio da linguagem [13-15].

A aparente facilidade na elabora¸c˜ao de MCs ´e atraente para os iniciantes e pode ajudar a explicar o aumento da popularidade do mapeamento conceitual.

∗_{Parte desse trabalho foi apresentado oralmente durante o VII Encontro Nacional de Pesquisa em Educa¸c˜}_{ao em Ciˆ}_{encias (ENPEC),}

ocorrido em Florian´opolis/SC entre os dias 8 e 13 de novembro de 2009.

1

E-mail: prmc@usp.br.

(2)

4402-2 Correia et al.

Por outro lado, a utiliza¸cão ingênua dos MCs pode produzir poucos (ou nenhum) dos benef´ıcios esperados, restringindo sua inser¸cão na sala de aula a experiências fugazes e lúdicas. É necessário re-examinar os funda-mentos teóricos que subjazem o mapeamento conceitual para que seja poss´ıvel utilizar os MCs em sua plenitude [16]. Trabalhos da literatura indicam que muitas das di-ficuldades observadas no uso dessa técnica devem-se à forma¸cão insuficiente dos seus utilizadores (professores, no caso das aplica¸cões educacionais) e à desvaloriza¸cão da fundamenta¸cão teórica relacionada com o mapea-mento conceitual [16-17].

A armadilha colocada pela facilidade de elabora¸cão dos MCs leva a uma série de eventos que não contribui para o uso prolongado do mapeamento conceitual na sala de aula [17]. Na intensa rotina de trabalho que um professor enfrenta, observa-se que (1) o professor opta pelo uso dos MCs para mudar a dinâmica tradi-cional das aulas expositivas; (2) os alunos produzem vários MCs em um curto per´ıodo de tempo, devido `

a empolga¸cão que eles têm frente a mais uma “novi-dade”; (3) o professor tem dificuldades de avaliar a grande quantidade de MCs produzidos pelos alunos, visto que o livro didático não apresenta um gabarito para corrigi-los; (4) o professor não oferece umfeedback

adequado aos alunos e a avalia¸cão restringe-se à con-tabilidade burocrática dos alunos que cumpriram essa tarefa; e (5) o professor não encontra na sua prática do-cente os benef´ıcios prometidos pelo mapeamento con-ceitual, levando-o a não utilizar mais essa técnica em sala de aula.

Essa sequência indesejável de eventos surge devido ao desequil´ıbrio entre o dom´ınio teórico e prático que é necessário para viabilizar uma utiliza¸cão adequada, in-tencional e prolongada do mapeamento conceitual em sala de aula. Estratégias metodológicas sofisticadas, como o uso de MCs, exigem do professor mais do que uma vasta experiência profissional: é preciso conhecer as teorias que justificam as op¸cões metodológicas para que se tenha uma aplica¸cão bem sucedida. Além disso, é preciso considerar a sala de aula como um ambiente complexo, onde ocorrem várias intera¸cões sociais den-tro de uma dinâmica peculiar de trabalho que envolve o professor e seus alunos. Por isso, além dos conheci-mentos sobre aspectos teóricos da metodologia de en-sino, é preciso compreender processos de gestão de uma sala de aula [18, 19]. Uma tripla aproxima¸cão teórica, considerando metodologia de ensino, gestão de grupo e mapeamento conceitual, se faz necessária para a uti-liza¸cão plena dos MCs no contexto complexo das salas de aula.

A avalia¸cão dos MCs é fundamental para que os alunos consigam perceber os benef´ıcios que podem ser obtidos com essa técnica. Para isso, o professor é desafi-ado frente a uma tarefa pouco usual: avaliar os alunos de uma forma diferente, por meio de um instrumento subjetivo que não apresenta um gabarito para auxili-ar o processo de corre¸cão. O objetivo desse trabalho

é comparar a avalia¸cão de um conjunto de mapas con-ceituais (n = 109) feita (1) pelo professor da disciplina (P.R.M.C.), (2) por três especialistas em mapas con-ceituais (B.X.V., J.G.R.Jr. e A.C.S.) e (3) pelos alunos que elaboraram os mapas conceituais.

2. Mapeamento conceitual e a teoria da

aprendizagem significativa

O mapeamento conceitual, proposto por Joseph D. No-vak no in´ıcio da década de 70, é uma forma esquemática de representar graficamente os conceitos de um determi-nado campo de conhecimento. O exerc´ıcio de elaborar mapas conceituais (MCs) estimula a busca por rela¸cões significativas e diminui a chance da ocorrência da apren-dizagem mecânica [1, 12].

Os MCs podem ser definidos como um conjunto de conceitos imersos numa rede de proposi¸cões. As proposi¸cões, que são as unidades fundamentais dos ma-pas conceituais, são constitu´ıdas por três elementos: conceito inicial + termo de liga¸cão + conceito final. A inclusão obrigatória de um termo de liga¸cão, que expresse claramente a rela¸cão entre dois conceitos, é o que confere ao mapeamento conceitual sua carac-ter´ıstica fundamental da busca por significados precisos e expl´ıcitos. Deve-se ressaltar que erros conceituais podem ser evidenciados nos mapas de conceitos, visto que a aprendizagem significativa não implica necessari-amente no estabelecimento de rela¸cões conceituais cor-retas. Apesar de significativa, a aprendizagem pode apresentar incorre¸cões pass´ıveis de revisão [12]. A Fig. 1 apresenta um mapa conceitual para explicar melhor o que são os MCs. As caracter´ısticas principais do ma-peamento conceitual são apresentadas nos conceitos em retângulos (parte central); os aspectos estruturais dos MCs estão destacados nos conceitos apresentados em c´ırculos (à esquerda); as considera¸cões sobre o uso in-dividual e colaborativo dos MCs são apresentadas nos conceitos em retângulos sombreados (à direita).

(3)

Figura 1 - Um mapa conceitual sobre o mapeamento conceitual. Pergunta focal: “O que s˜ao mapas conceituais?”.

⌈

3. Procedimentos de pesquisa

3.1. Coleta de dados

A coleta de dados emp´ıricos foi feita considerando-se os MCs produzidos individualmente por 109 alunos que cursaram a disciplina Ciências da Natureza (CN), a par-tir da mesma pergunta focal: “Como a ciência e a tec-nologia influenciaram a compreensão da sociedade sobre o universo?”. O número máximo de conceitos a serem utilizados por cada aluno foi igual a 9 e o conceito “mais tecnologia” deveria ser utilizado como ponto incial (con-ceito raiz) dos MCs. Essa atividade fez parte da 1a avalia¸cão da disciplina, que ocorreu após um per´ıodo de treinamento já descrito na literatura [17]. Duas turmas de 60 alunos do per´ıodo matutino foram consideradas para o desenvolvimento da presente pesquisa. Leituras preparatórias [24,25] foram indicadas e discutidas com os alunos durante as aulas que precederam a avalia¸cão (Tabela 1), a fim de estabelecer rela¸cões conceituais en-tre as observa¸cões astronômicas do século XVI, o nasci-mento da ciência moderna e a amplia¸cão da nossa com-preensão sobre o universo [26]. A disciplina Ciências da Natureza (CN) é parte integrante do Ciclo Básico e seu objetivo é contribuir com o processo de alfabeti-za¸cão cient´ıfica [27-29] dos alunos ingressantes da Es-cola de Artes, Ciências e Humanidades (EACH/USP Leste). As aulas da disciplina CN foram ministradas ao longo do 1◦ _{semestre de 2009 por um dos autores}

desse trabalho (P.R.M.C.).

Os MCs foram codificados para que a autoria fosse mantida em sigilo. Cada MC foi analisado de trˆes maneiras diferentes:

(1) P: pelo professor da disciplina (P.R.M.C.), que classificou os MCs em 8 grupos diferentes, atribuindo valores entre 0 e 5 (1; 2; 3; 3,5; 4; 4,25; 4,5; 5).

(2) E: por trˆes especialistas em mapeamento con-ceitual (B.X.V., J.G.R.Jr. e A.C.S.), que classificaram os MCs em 6 grupos diferentes por consenso, atribuindo valores entre 0 e 5 (1; 2; 3; 3,5; 4; 5).

(3) A: pelos alunos da disciplina Ciências da Na-tureza, que emitiram pareceres para 2 MCs, atribuindo valores entre 0 e 10. A média aritmética das 2 notas atribu´ıdas para cada MC foi considerada. Esse valor médio foi convertido para uma escala entre 0 e 5.

(4)

Tabela 1 - Atividades did´aticas realizadas durante as aulas 1-5 da disciplina Ciˆencias de Natureza (CN).

Aula Leitura preparat´oria Conte´udos principais

1 - •_{Caracter´ısticas da sociedade do conhecimento.}

•_{A explos˜}_{ao do conhecimento desde a revolu¸c˜}_{ao industrial.} •_{As rela¸c˜}_{oes entre ciˆ}_{encia, tecnologia e sociedade.}

2 Boas e m´as raz˜oes para acreditar [28]

•_{Pensamento cient´ıfico; suas caracter´ısticas e seu processo de constru¸c˜}_ao. •_{A valoriza¸c˜}_{ao das evidˆ}_{encias como sustenta¸c˜}_{ao das teorias cient´ıficas.}

3 A Terra im´ovel [29] •_{Nascimento da ciˆ}_{encia moderna como produto do contexto hist´}_{orico e social do s´}_{eculo XVI.} •_{As observa¸c˜}_{oes astronˆ}_{omicas de Galileu e os conflitos com a Igreja.}

•_{A celebra¸c˜}_{ao do Ano Internacional da Astronomia.}

4 O ovo c´osmico [29] •_{O avan¸co tecnol´}_{ogico e o avan¸co cient´ıfico: Hubble e a astronomia extragal´}_actica. •_{Teorias sobre a origem e o desenvolvimento do universo.}

•_{Novos debates entre a ciˆ}_{encia e a Igreja.}

5 - •₁a

Avalia¸cão: elabora¸cão de MCs sobre o conteúdo das aulas 1-4.

⌈

3.2. Tratamento de dados

Métodos de estat´ıstica descritiva [30] foram utilizados para analisar as avalia¸cões feitas pelo professor (P), pe-los especialistas (E) e pepe-los alunos (A). As compara¸cões dessas avalia¸cões foram feitas a partir da diferen¸ca em módulo (DM) das avalia¸cões atribu´ıdas para cada MC analisado (n = 109). As compara¸cões entre professor e especialista (PxE), professor e alunos (PxA) e espe-cialistas e alunos (ExA) foram contempladas nesse tra-balho.

Os valores das DM para cada MC foram conside-rados para analisar as compara¸cões entre PxE, PxA e ExA. Foram estabelecidos 8 intervalos para classificar os valores das DM calculadas para os 109 MCs anali-sados (I1 a I8), conforme a indica¸cão da Fig. 2. As menores discrepâncias (DM≤0,25) foram classificadas no intervalo I1; as maiores discrepâncias (DM > 2) foram classificadas no intervalo I8.

O coeficiente de correla¸cão linear (r) foi o parâmetro estat´ıstico para avaliar as compara¸cões entre PxE, PxA e ExA. Para cada um desses casos, calculou-se o valor de r para todos os dados (n = 109) e para os subconjun-tos, desprezando-se progressivamente os valores mais discrepantes (de I8 a I2). Foram obtidos 8 valores de r para cada compara¸cão (PxE, PxA e ExA).

Figura 2 - Organiza¸c˜ao das diferen¸cas em m´odulo (DM) em 8 intervalos (I1a I8) diferentes, que variam entre 0 e 2.

4. Resultados e discuss˜

ao

4.1. Avalia¸c˜oes do professor (P), dos especia-listas (E) e dos alunos (A)

A compara¸cão inicial das avalia¸cões feitas pelo professor (P), pelos especialistas (E) e pelos alunos (A) é apre-sentada na Fig. 3. O box plot [30] é uma representa¸cão

que reúne as principais informa¸cões do conjunto com-pleto dos dados emp´ıricos. Os valores médios atribu´ıdos pelo P, pelos E e pelos A foram, respectivamente, 3,2

±1,0, 3,0±1,1 e 3,6±0,6.

Figura 3 - Box plot para os conjuntos completos de dados (n = 109) relacionados com as avalia¸c˜oes do professor (P), dos espe-cialistas (E) e dos alunos (A).

´

(5)

4.2. Avalia¸c˜ao das compara¸c˜oes PxE, PxA e ExA

A compara¸cão das avalia¸cões feitas pelo P, pelos E e pe-los A foi realizada calculando-se a diferen¸ca em módulo (DM) do valor atribu´ıdo a cada MC. Os conjuntos de DM obtidos para as compara¸cões PxE, PxA e ExA foram classificados em 8 intervalos diferentes (I1 a I8), conforme indicado na Fig. 2.

A porcentagem de MCs em cada intervalo aumenta, progressivamente, de I8 (maiores discrepâncias) para I1 (menores discrepâncias). A discrepância entre 2 análises (valores entre 0 e 5) foi igual ou menor do que 1,25 (exclusão dos intervalos I6, I7e I8) para 79%, 72% e 61% dos MCs, nas compara¸cões PxE, PxA e ExA, respectivamente. Essas porcentagens são elevadas, so-bretudo quando se considera a complexidade e a subje-tividade inerentes ao processo de avalia¸cão dos MCs.

Uma maneira de verificar a semelhan¸ca nas avalia¸cões feitas pelo P, pelos E e pelos A é por meio de gráficos de correla¸cão. Em condi¸cões ideais, onde todos os valores são concordantes, é poss´ıvel definir os parâmetros da equa¸cão da reta ideal (y=a+bx) obtida através da regressão linear dos pontos: o coeficiente li-near (a) é igual a 0, o coeficiente angular (b) é igual a 1 e o coeficiente de correla¸cão linear (r) é igual a 1.

A Fig. 4 apresenta um gráfico que relaciona os co-eficientes de correla¸cão linear (r) obtidos para as com-para¸cões PxE, PxA e ExA, exclu´ındo-se progressiva-mente os MCs que apresentaram maiores discrepâncias nas avalia¸cões (Fig. 2). A linha vertical tracejada à di-reita do gráfico indica a situa¸cão ideal, quandoré igual a 1. Isso ocorre, por exemplo, na corre¸cão de questões de múltipla escolha com uma única resposta correta: independente do número de questões, a compara¸cão entre a avalia¸cão de 2 corretores deverá ser idêntica e os parâmetros da regressão linear assumem os valores

a = 0, b = 1 e r = 1. Considerando-se todos os MCs avaliados (n = 109), as compara¸cões PxE, PxA e ExA apresentaram baixos coeficientes de correla¸cão linear: 0,55 (C), 0,54 (B) e 0,43 (A), respectivamente (Fig. 4). Em todos os casos, o valor de r se aproxima de 1 na medida em que os intervalos de classifica¸cão das DM (I8 até I2) são progressivamente desconsiderados. Na situa¸cão limite, onde somente os MCs com maior con-vergência são considerados (I1), os valores dersão 0,99 (F), 0,96 (E) e 0,88 (D) para PxE, PxA e ExA, respec-tivamente. Cabe ressaltar que essa elevada correla¸cão linear somente foi observada para um subconjunto de MCs contendo cerca de 20 a 30% do seu tamanho ori-ginal.

Uma situa¸cão intermediária foi selecionada e os gráficos de correla¸cão das avalia¸cões PxE, PxA e ExA são apresentados nas Fig. 5a, 5b e 5c, respectiva-mente. O subconjunto de MCs considerados apresenta DM≤1,25, excluindo-se os MCs presentes em I6, I7e I8 (Fig. 2). Nessas condi¸cões, a quantidade de MCs con-siderados para análise está entre 80 e 60% do conjunto original. Os valores de r para PxE, PxA e ExA foram iguais a 0,77 (Fig. 5a), 0,78 (Fig. 5b) e 0,73 (Fig. 5c),

respectivamente. Os parâmetros estat´ısticos que des-crevem as equa¸cões das retas obtidas por regressão li-near (Tabela 2) podem ser comparados com a situa¸cão ideal (linha tracejada).

Figura 4 - Avalia¸c˜ao do coeficiente de correla¸c˜ao linear (r) dos

gr´aficos obtidos a partir das avalia¸c˜oes dos MCs (n = 109) feitas por PxE, PxA e ExA.

Figura 5 - Gráficos de correla¸cão entre as avalia¸cões feitas pelo professor (P), pelos especialistas (E) e pelos alunos (A). As linhas tracejadas indicam a situa¸cão ideal de máxima correla¸cão linear entre os dados.

(6)

relacionadas com a auto-avalia¸c˜ao. Esse ´e um dos re-quisitos para que eles aprendam por toda a vida e de-senvolvam suas capacidades metacognitivas [2,3,6].

A Fig. 6 mostra 4 MCs selecionados para represen-tar situa¸cões t´ıpicas que foram verificadas no processo de avalia¸cão dos MCs: convergência tripla entre as avalia¸cões do P, dos E e dos A (Fig. 6a) com atribui¸cão de nota alta (P = 4,0; E = 4,0; A = 3,8), con-vergência tripla entre as avalia¸cões do P, dos E e dos A (Fig. 6b) com atribui¸cão de nota média (P = 3,0; E = 3,0; A = 3,2), convergência dupla (Fig. 6c) devido a avalia¸cão rigorosa de P (P = 1,0; E = 3,5; A = 3,0) e convergência dupla (Fig. 6d) devido a avalia¸cão rigoro-sa de E (P = 3,0; E = 1,0; A = 2,9).

O MC da Fig. 6a apresenta proposi¸cões claras e con-ceitualmente aceitáveis, além de estrutura c´ıclica (que indica o estabelecimento de rela¸cões de causa e efeito) e uma destacada reconcilia¸cão integrativa [20,23] em torno do conceito “conhecimento social”. A maioria dos conceitos estão vinculados às discussões da aula 4 (Tabela 1), que valorizam as descobertas astronômicas do in´ıcio do século XX. A importância das evidências para conferir credibilidade às teorias cient´ıficas foi dis-cutida na aula 2 (Tabela 1) e aparece acoplada ao tema da aula 4 nas proposi¸cões “novas evidências – podem comprovar→teorias” e “teorias – como →Big Bang” (Fig. 6a).

O MC da Fig. 6b é adequado, mas apresenta pe-quenas falhas estruturais, quando comparado ao MC da Fig. 6a: os conceitos “tradi¸cões” e “predi¸cão” (em c´ırculos) não integram a rede de conceitos que cons-titui esse MC. A partir do conceito raiz “mais tecno-logia” não é poss´ıvel chegar a esses 2 conceitos. Os conceitos desse MC exploram preferencialmente as dis-cussões da aula 2, visto que estão presentes as boas (evidências) e más (cren¸cas e revela¸cões) razões para acreditar em algo, segundo o texto indicado para leitura [24]. A proposi¸cão “ciência - necessita de → mais tecnologia” faz referência às discussões das aulas 3 e 4, que mostraram o aperfei¸coamento tecnológico do telescópio como fator decisivo para o avan¸co da astrono-mia. Elementos importantes que constituem o pensa-mento cient´ıfico aparecem na proposi¸cão “predi¸cão – deve levar à→ evidências”, indicando uma s´ıntese de todas as discussões feitas nas aulas iniciais da disciplina CN.

O MC da Fig. 6c apresenta falta de clareza semân-tica em algumas proposi¸cões (“novas tecnologias – e novas → pesquisas”), além de apresentar proposi¸cões que não extrapolam o senso comum (veja sequência de proposi¸cões entre “popula¸cão” e “novas tecnologias”).

Nesse caso, a análise do P foi mais rigorosa e divergente das análises feitas pelos E e pelos A, principalmente porque há poucos conceitos relacionados com as leituras prévias que foram discutidas nas aulas 2-4 (Tabela 1). O MC da Fig. 6d também apresenta falta de clareza semântica que pode sinalizar falta de clareza conceitual (“universo – que influencia a→sociedade” e “evolu¸cão cient´ıfica – adquire →mais evidências”). Desta vez, a análise dos E foi mais rigorosa e divergente das análises feitas pelo P e pelos A.

5. Considera¸

c˜

oes finais

A avalia¸cão da aprendizagem é uma atividade funda-mental no processo educacional. A incorpora¸cão dos MCs na rotina da sala de aula exige uma abertura para a incerteza, visto que eles permitem a explicita¸cão das idiossincrasias presentes na estrutura cognitiva dos alunos. Essa caracter´ıstica se opõe ao determinismo presente nos testes de múltipla escolha, ou nas questões dissertativas que apresentam somente uma resposta “certa”. Em última análise, o uso dos MCs como es-tratégia de avalia¸cão impõe uma revisão nas rela¸cões que o professor e os alunos estabelecem na sala de aula. Se, por um lado, há o desafio de lidar com a incerteza e a subjetividade, por outro lado, surgem mais oportu-nidades para o diálogo e para as intera¸cões entre pares (aluno/aluno) e professor/aluno. Parece que a inclusão dos alunos no processo de avalia¸cão dos MCs é poss´ıvel, desde que eles estejam familiarizados com essa técnica. Isso é desejável e rompe um dos paradigmas vigentes na maioria das salas de aula, onde somente o professor tem o direito de julgar no processo avaliativo da produ¸cão intelectual dos alunos.

A experiência realizada na disciplina CN está rela-cionada com discussões sobre o nascimento da ciência moderna, as observa¸cões astronômicas do século XVI e o desenvolvimento da astronomia. Os MCs produzidos pelos alunos indicam que eles fizeram uma releitura do que foi estudado no ensino médio e, já na condi¸cão de ingressantes do ensino superior, eles aceitaram o con-vite para refletir sobre as rela¸cões entre a ciência, a tecnologia e a sociedade existentes naquele momento histórico. A partir disso, eles foram capazes de cons-truir rela¸cões conceituais que extrapolam o campo dis-ciplinar da f´ısica, misturando conhecimentos cient´ıficos (astronomia) e human´ısticos (sociais, históricos e fi-losóficos). Esse esfor¸co sinaliza uma busca por um pen-samento interdisciplinar, a fim de superar o isolamento das duas culturas, descritas por C.P. Snow [31].

Tabela 2 - Parâmetros da equa¸cão da reta obtida pela regressão linear dos dados.

PxE (Fig. 5a) PxA (Fig. 5b) ExA (Fig. 5c) Coeficiente linear (a) 0,7±_0,2 _-0,1±_0,3 _0,3±_0,4

Coeficiente angular (b) 0,79±_0,07 _0,99±_0,09 _0,9±_0,1

(7)

(8)

6. Agradecimentos

Agradecemos ao Bruno Xavier do Valle pela colabo-ra¸c˜ao na parte inicial desse trabalho. Os autores agradecem ao CNPq (553710/2006-0) pelo financia-mento de projeto de pesquisa. P.R.M.C. agradece `

a FAPESP (06/03083-0 e 08/04709-6) e à CAPES (3555/09-7) pelo apoio à participa¸cão em reuniões cient´ıficas no exterior. J.G.R. Jr. agradece à Secretaria de Educa¸cão do Estado de São Paulo pela bolsa de estu-dos concedida no âmbito do Programa Bolsa Mestrado e A.C.S. agradece à Pró-Reitoria de Gradua¸cão da Uni-versidade de São Paulo pela bolsa de inicia¸cão cient´ıfica no âmbito do Programa Ensinar com Pesquisa.

Referˆ

encias

[1] J.D. Novak,Learning, Creating, and Using Knowledge: Concept Maps as Facilitative Tools in Schools and Corporations(Lawrence Erlbaum Associates, Mahwah, 2010), 2a

ed.

[2] M. Boekaerts, Learning and Instruction7, 161 (1997).

[3] D. Guile, Futures33, 469 (2001).

[4] A. Okada, Cartografia Cognitiva: Mapas do Conheci-mento para Pesquisa, Aprendizagem e Forma¸c˜ao Do-cente(KCM, S˜ao Paulo, 2008).

[5] A.O. Peña, A. Ballesteros, C. Cuevas, L. Giraldo, I. Mart´ın, A. Molina, A. Rodriguez e U. Vélez, Mapas Conceituais: Uma Técnica para Aprender(Loyola, São Paulo, 2006).

[6] J.J. Mintzes, J.H. Wandersee e J.D. Novak, Teaching Science for Understanding: A Human Constructivist View (Academic Press, San Diego, 1998).

[7] V.O. Almeida e M.A. Moreira, Revista Brasileira de Ensino de F´ısica30, 4403 (2008).

[8] T.S. Hilbert and A. Renkl, Learning and Instruction

12, 213 (2007).

[9] N. Derbentseva, F. Safayeni and A.J. Ca˜nas, Journal of Research in Science Teaching44, 448 (2007).

[10] F. Safayeni, N. Derbentseva and A.J. Ca˜nas, Journal of Research in Science Teaching42, 741 (2005).

[11] M.A. Moreira, Revista Brasileira de Ensino de F´ısica

11, 114 (1989).

[12] J.D. Novak, Science Education86, 548 (2002).

[13] P.L. Torres and R.C.V. Marriott (eds),Handbook of Re-search on Collaborative Learning Using Concept Map-ping (IGI Global, Hershey, 2009).

[14] J.D. Novak and A.J. Ca˜nas, Information Visualization

5, 175 (2006).

[15] F. Fischer, J. Bruhn, C. Gr¨asel and H. Mandl, Learning and Instruction12, 213 (2002).

[16] A.J. Ca˜nas and J.D. Novak, in: Proceedings of the 2nd

International Conference on Concept Mapping, Univer-sidad de Costa Rica, San Jose, v. 1, p. 247 (2006).

[17] P.R.M. Correia, M.E. Infante-Malachias and C.E.C. Godoy, in: Proceedings of the 3rd

International Con-ference on Concept Mapping, Ou Vali Press, Tallinn, v. 2, p. 414 (2008).

[18] V.F. Jones and L.S. Jones, Comprehensive Classroom Management: Creating Communities of Support and Solving Problems (Allyn & Bacon, Needham Heights, 2003).

[19] J. McLeod, J. Fisher and G. Hoover,The Key Elements of Classroom Management: Managing Time and Space, Student Behavior, and Instructional Strategies (Asso-ciation for Supervision and Curriculum Development, Alexandria, 2003).

[20] D.P. Ausubel, The Acquisition and Retention of Knowledge: A Cognitive View(Kluwer Academic Pub-lishers, Dordrecht, 2000).

[21] R.E. Mayer, Theory into Practice41, 226 (2002).

[22] M.A. Moreira, A Teoria da Aprendizagem Significa-tiva e sua Implementa¸c˜ao em Sala de Aula (Editora da UnB, Bras´ılia, 2006).

[23] M.A. Moreira, Teorias da Aprendizagem (EPU, S˜ao Paulo, 1999).

[24] R. Dawkins, O Capel˜ao do Diabo: Ensaios Escolhidos

(Cia. das Letras, S˜ao Paulo, 2005).

[25] D.E. Brody and A.R. Brody, As Sete Maiores Des-cobertas Cient´ıficas da Hist´oria e seus Autores (Cia. das Letras, S˜ao Paulo, 2000).

[26] C.M. Porto and M.B.D.S.M. Porto, Revista Brasileira de Ensino de F´ısica30, 4601 (2008).

[27] R.W. Bybee and B. Fuchs, Journal of Research in Sci-ence Teaching43, 349 (2006).

[28] W.L.P. Santos, Science Education93, 361 (2007).

[29] P.R.M. Correia, B.X. Valle, M. Dazzani and M.E. Infante-Malachias, Journal of Cleaner Production 18, 678 (2010).

[30] B.H. Cohen and R.B. Lea, Essentials of Statistics for the Social and Behavioral Sciences (John Wiley & Sons, Hoboken, 2004).

[31] C.P. Snow, As Duas Culturas e uma Segunda Leitura